el Informes de medicina celular Magazine, el 11 de marzo se publicó un artículo de investigadores del Instituto de Oncología Val d’Hebron, en el que informaban que habían desarrollado un modelo de aprendizaje profundo basado en IA para el diagnóstico diferencial de tumores cerebrales basado en imágenes de resonancia magnética.
El glioblastoma multiforme, las metástasis cerebrales de tumores sólidos y el linfoma primario del sistema nervioso central representan el 70% de todos los tumores cerebrales malignos. Dado que cada una de estas neoplasias requiere un enfoque terapéutico diferente, el diagnóstico diferencial entre diferentes neoplasias representa una necesidad clínica no cubierta.
“El diagnóstico diferencial no invasivo de los tumores cerebrales se basa actualmente en la evaluación de estudios de resonancia magnética (MRI) antes y después de la administración de material de contraste, sin embargo, para establecer un diagnóstico definitivo muchas veces se necesitan intervenciones”, afirmó Raquel Pérez López. , autor correspondiente del estudio «Cirugía neurológica, que pone en riesgo la calidad de vida de los pacientes».
“Este trabajo es el resultado de más de cinco años de investigación centrada en identificar biomarcadores innovadores de imágenes de perfusión por resonancia magnética para el diagnóstico diferencial de tumores cerebrales. El estudio actual integra los resultados de otros proyectos de investigación anteriores relacionados con la inteligencia artificial, y pudimos hacerlo. «Desarrollar un software que pueda automatizar con precisión la clasificación diagnóstica preoperatoria», al tiempo que proporciona una interfaz fácil de usar para que los médicos faciliten la interpretación clínica», añadió Albert Ponce Escoda, neurorradiólogo, uno de los coautores del estudio.
Una nueva herramienta de aprendizaje profundo llamada Diagnóstico en regiones de neurooncología mejoradas con contraste de sensibilidad (DISCERN) utiliza la información espacio-temporal completa de la resonancia magnética convencional para identificar patrones de comportamiento típicos de tumores individuales durante el análisis de imágenes.
“La esencia del aprendizaje profundo, es decir, el método de aprendizaje profundo, es que enseña al algoritmo las características de determinados tumores detectados durante las resonancias magnéticas de pacientes que ya han sido diagnosticados, por ejemplo”, añade Alonso García Ruiz, director del Centro. equipo de investigación de la Universidad de California en San Francisco «Por ejemplo, si le mostramos a una máquina miles de imágenes de perros y gatos, aprende las características distintivas y específicas de las dos especies, y cuando ve una nueva imagen, puede hacerlo. reconocer ambos», dijo el primer autor del estudio.
En este caso, las unidades de aprendizaje son los llamados vóxeles, que representan el volumen mínimo necesario para escanear imágenes de resonancia magnética y equivalen aproximadamente a los píxeles de las pantallas de computadora, con la única diferencia de que no son 2D sino 3D. Unidades dimensionales. Utilizando 50.000 vóxeles de 40 pacientes diagnosticados, los investigadores entrenaron a DISCERN para reconocer las características de los tres tumores cerebrales malignos más comunes.
“Hemos validado esta herramienta de aprendizaje profundo en otros 500 casos y, según los resultados de este estudio, la herramienta mostró una precisión del 78% en la clasificación de tumores, lo que, por cierto, supera la precisión de los métodos tradicionales”, dijo Pérez López. anotado.
“DISCERN es una herramienta informática de apoyo a la decisión diagnóstica que facilita la clasificación de tumores cerebrales para ayudar a equipos médicos multidisciplinares a tomar decisiones sobre la necesidad y el tipo de cirugía”, concluye Carles Magos, uno de los coautores del estudio.
Para mejorar la reproducibilidad de las pruebas y acelerar su aplicación en ensayos clínicos, los desarrolladores crearon una interfaz fácil de usar y abrieron la aplicación DISCERN.
Nuestro artículo se basa en los siguientes anuncios:
Referencia literaria:
Alonso García-Ruiz et al., Una herramienta accesible de aprendizaje profundo para la clasificación basada en vóxeles de neoplasias malignas cerebrales a partir de resonancia magnética de perfusión, Cell Reports Medicine (2024). doi: 10.1016/j.xcrm.2024.101464
«Fanático de la comida certificado. Gurú extremo de Internet. Jugador. Adicto a las abejas. Zombie ninja. Solucionador de problemas. Amante del alcohol sin remordimientos».